Cientistas desenvolvem novo modelo de IA para dobramento de proteínas
Pesquisadores revelaram um sistema de IA inovador que prevê estruturas de proteínas com precisão sem precedentes. O modelo, treinado em vastos conjuntos de dados, pode revolucionar a descoberta de medicamentos e a biotecnologia. Este avanço se baseia em trabalhos anteriores em biologia computacional.
Em um anúncio recente, uma equipe de cientistas apresentou um modelo avançado de inteligência artificial projetado para resolver o desafio de longa data do dobramento de proteínas. O dobramento de proteínas refere-se ao processo pelo qual as proteínas, blocos de construção essenciais da vida, assumem suas formas tridimensionais funcionais a partir de cadeias lineares de aminoácidos. Entender esse processo é crucial para campos como medicina e engenharia, pois proteínas mal dobradas estão implicadas em doenças como Alzheimer e Parkinson.
O novo modelo, chamado AlphaFold 3, foi desenvolvido por pesquisadores da DeepMind, uma subsidiária da Alphabet Inc. Ele alcança mais de 90% de precisão na previsão de estruturas para uma ampla gama de proteínas, incluindo aquelas que interagem com DNA, RNA e outras moléculas. 'Este é um avanço significativo, permitindo-nos modelar interações biomoleculares complexas que eram anteriormente intratáveis', disse Demis Hassabis, CEO da DeepMind, em um comunicado.
A linha do tempo do desenvolvimento remonta a 2018, quando o AlphaFold inicial da DeepMind venceu a competição Critical Assessment of Structure Prediction (CASP). Iterações subsequentes melhoraram a precisão, com o AlphaFold 2 lançado em 2020, tornando as previsões disponíveis para a comunidade científica global por meio de um banco de dados público. A versão mais recente expande as capacidades para ligantes e modificações, abordando lacunas em modelos anteriores.
O contexto de fundo destaca a importância deste trabalho. Métodos experimentais tradicionais, como cristalografia de raios X, são demorados e caros, frequentemente levando anos. Previsões impulsionadas por IA aceleram a pesquisa; por exemplo, durante a pandemia de COVID-19, o AlphaFold ajudou a identificar alvos potenciais de medicamentos. O modelo foi treinado com dados do Protein Data Bank, que contém mais de 200.000 estruturas determinadas experimentalmente.
As implicações são de longo alcance. Na descoberta de medicamentos, um modelamento de proteínas mais rápido poderia encurtar os prazos de desenvolvimento de 10-15 anos para meros meses, potencialmente levando a novos tratamentos para cânceres e doenças infecciosas. No entanto, surgem considerações éticas, incluindo privacidade de dados na pesquisa genômica e acesso equitativo à tecnologia. A DeepMind se comprometeu a abrir o código-fonte de partes do modelo para fomentar a colaboração.
Embora a comunidade científica elogie a inovação, alguns especialistas notam limitações, como desafios com proteínas desordenadas intrinsecamente. No geral, este desenvolvimento marca um momento pivotal na biologia computacional, prometendo desbloquear novas fronteiras na saúde e além.